mosaico del territorio mexicano del año 2000 y 2018 a ... · landsat 8 oli consta de nueve bandas...

1

Elaboración de guías y esquemas simplificados de planeación urbana municipal:

MOSAICO DEL TERRITORIO MEXICANO DEL AÑO 2000 Y 2018

A PARTIR DE IMÁGENES LANDSAT SEDATU - EUROsociAL+

2

P2.201 IMÁGENES SATELITALES

Portada Veracruz, Veracruz 1:100 000. 2000 y 2018 Elaboración propia

Autor

Yraida Romano Grullón

Coordinación Institucional

SEDATU Rafael Vargas Muñoz. Director General de Desarrollo Urbano, Suelo y Vivienda Eugenia García Velarde Directora de Operación Urbana Moisés Bernal Jefe de Departamento EUROsociAL+ Bárbara Gómez Valcárcel Técnica de Gobernanza Democrática Secretaria de Desarrollo Agrario, Territorial y

Urbano (SEDATU)

Paseo de la Reforma 99 Col. Tabacalera, CP 06030 Ciudad de México, México T +52 55 68 20 97 00 I www.gob.mx/sedatu Ciudad de México, octubre 2018

La Secretaria de Desarrollo Agrario, Territorial y Urbano (SEDATU) agradecen a EUROsociAL+ y a la Fundación Internacional y para Iberoamérica de Administración y Políticas Públicas, F.S.P por la financiación para la elaboración del presente documento. Las opiniones expresadas en el mismo son de exclusiva responsabilidad de los autores y no necesariamente representan la opinión de la SEDATU, y/o EUROsociAL+. Se autoriza la reproducción parcial o total, siempre y cuando sea sin fines de lucro y se cite la fuente de referencia: Romano, Y. (2018) Elaboración de guías y esquemas simplificados de planeación urbana municipal: Mosaico del territorio mexicano del año 2000 y 2018 a partir de imágenes Landsat. SEDATU - EUROsociAL+.

3

Introducción

Antecedentes Objetivo Imágenes Landsat Combinación de Bandas 1. Metodología

1.1 Ámbito del trabajo 1.2 Descarga de imágenes 1.3 LEDAPS: Corrección atmosférica 1.4 CFMASK: Eliminación de nubes y sombras. 1.5 Mosaico 1.6 Cuadricula 100 x100km 2. Resultados

2.1 Año 2000. Landsat 7. 30m/pixel Imagen multiespectral: bandas B1, B2, B3, B4, B5, B7 Imagen color natural: bandas 321 2.2 Año 2018. Landsat 8. 30m/pixel Imagen multiespectral: bandas B2, B3, B4, B5, B6, B7 Imagen color natural: bandas 432 2.3 Ciudades (aglomeraciones urbanas) > 100,000 habitantes 100,000 hasta 50,000 habitantes < 50,000 habitantes

Contenido

4


El 28 de noviembre de 2016 se publica en el Diario Oficial de la Federación la Ley General de Asentamientos Humanos de Ordenamiento Territorial y Desarrollo Urbano (LGAHOTDU), que en el artículo 59 señala que corresponde a los municipios formular, aprobar y administrar la zonificación de los Centros de Población ubicados en su territorio. Asimismo, la LGAHOTDU establece en el Artículo Quinto Transitorio que en una plazo no mayor a dos años de la entrada en vigor de la citada Ley, se formularán, o adecuarán los planes y programas de Desarrollo Urbano de los Centros de Población mayores a 100,000 habitantes. Por otro lado, establece en el artículo 42 que las leyes locales establecerán los esquemas simplificados de planeación para localidades menores a 50 000 habitantes los cuales deberán tener la debida congruencia, coordinación y ajuste con planes o programas de Desarrollo Urbano elaborados conforme a las disposiciones de esta Ley. En tal sentido, con la información obtenida en esta consultoría, la SEDATU tiene como objetivo primero ofrecer a los gobiernos locales un insumo para la elaboración y actualización de los Programas Municipales de Desarrollo Urbano, buscando cumplir con el objetivo 8, fracción XIV de la LGAHOTDU sobre asesorar a los gobiernos estatales, municipales y de las demarcaciones territoriales, en la elaboración de sus planes o programas de desarrollo urbano y en la capacitación técnica de su personal, mediante la elaboración de un documento técnico que integre a la planeación urbana mexicana a los compromisos internacionales acordados en la Nueva Agenda y en los Objetivos de Desarrollo Sostenible. Al mismo tiempo la información generada servirá para apoyar en el cumplimiento del artículo 97 de la LGAHOTDU, el cual establece la creación del Sistema de Información Territorial y Urbano (SITU), el cual tendrá por objeto organizar, actualizar y difundir la información e indicadores sobre el ordenamiento territorial y el Desarrollo Urbano, estará disponible para su consulta en medios electrónicos y se complementará con la información de otros registros e inventarios sobre el territorio. Actualmente la SEDATU tiene priorizado el cumplimiento de algunos artículos de la LGAHOTDU y esto varía dependiendo el área administrativa, en el caso de la Dirección General de Desarrollo Urbano, Suelo y Vivienda en materia de desarrollo urbano se tienen tres prioridades: Fomentar la elaboración y actualización de PMDU en

el país (Artículo Quinto Transitorio y Artículo 42

Dar asistencia técnica a los municipios para que elaboren y actualicen sus PMDU (Artículo 8)

Colaborar con el Sistema de Información Territorial y

Urbana en generar y aportar información para el análisis territorial y urbano (Artículo 97)

Finalmente, destacar que este proyecto da continuidad a La Nueva Metodología para la Elaboración y Actualización de los Programas Municipales de Desarrollo Urbano (PMDU: Lineamientos Conceptuales y Guía Metodológica (SEDATU, SEMARNAT y GIZ, 2016) en su apartado 201.1. y es un importante avance en la producción de insumos para las administraciones locales, como soporte en el mejor desarrollo de sus programas territoriales y urbanos.

201.1 Imágenes Satelitales

Antecedentes

5

Objetivo

Generar para todo el territorio mexicano una imagen calibrada, sin nubes y sombras, multiespectral y en color natural homogénea del año 2000 y del 2018 como soporte al paquete de trabajo dos (P2) de la Nueva Metodología para la Elaboración y Actualización de Programas Municipales de Desarrollo Urbano (SEDATU; SEMARNAT y GIZ, 2017). A partir del satélite Landsat con una resolución de 30 m/pixel en formato Geotif (*.tif), y un sistema de coordenadas geográfico EPSG 6365 México ITRF 2008 (INEGI 2018). Objetivos específicos

1. Solventar la descarga y post proceso de las imágenes satelitales para el paquete dos (201.1) de la Nueva Guía Metodológica para la Elaboración y Actualización de Programas Municipales de Desarrollo Urbano (SEDATU; SEMARNAT y GIZ, 2017), como soporte a municipios que no disponen de una capacidad técnica adecuada para su realización

2. Resolver las imágenes de base para el análisis de coberturas de suelo. Lo cual permite identificar y tener una base analítica sobre el patrón de crecimiento de los asentamientos humanos. No solo urbanos, sino el patrón general de los Asentamientos Humanos en el territorio nacional.

3. La DGDUSV aporta información para el SITU y como soporte a la planeación urbana nacional, metropolitana y municipal.

4. Apoyar al personal de SEDATU con los avances de los PMDU que se estén elaborando y actualizado de manera más eficiente, así como la capacitación de los municipios para mejorar su autonomía en la generación de estos instrumentos.

5. Favorecer el análisis de los cambios en las coberturas de suelo del territorio nacional 2000 y año actual (2018).

6


Imágenes Landsat

Aunque hoy día existen diferentes programas de observación de la tierra basados en plataformas espaciales, los satélites Landsat (NASA EE.UU.) son el sistema de más larga duración, en términos temporales, que proporciona información multiespectral (óptica y térmica) sobre la superficie de la Tierra. La misión Landsat cuenta con ocho misiones consecutivas (en realidad, sólo siete satélites han sido lanzados con éxito, ya que, Landsat 6, lanzado en octubre de 1993 no logró llegar a la órbita), de las que el satélite Landsat 1 fue lanzado en 1972; Landsat 2, lanzado en 1975 finalizó en 1981; Landsat 3 de 1978 a 1983; Landsat 4 de 1982 hasta 1993; mientras Landsat 5, lanzado en 1984 permaneció en función hasta 2012. El Landsat 7 se lanza en 1999 con mejoras notables con respecto a los satélites anteriores, y todavía está funcionando, aunque un fallo técnico ocurrió en 2003 lo que causó (desde esa fecha) la toma de imágenes con importante falta de información. Finalmente, en febrero de 2013 se lanzó Landsat 8, que actualmente proporciona imágenes con mejoras notables con respecto a todos los anteriores, aun así siendo comparable en términos de observación de la tierra. Todos los satélites Landsat siguen una órbita circular (repetitiva) sincronizada con el sol, y permite escenas cuadradas en torno a 185 kilómetros de ancho. Por otro lado, los satélites Landsat del 1 al 5, fueron equipados con un escáner de resolución moderada, denominado Sistema de Escáner Multiespectral (MSS) capaz de adquirir imágenes a una resolución temporal de 18 días, en cuatro bandas espectrales de entre 0.50 y 1.11 μm (verde, rojo, y dos de infrarrojo cercano), y una resolución espacial de 60 metros. En Landsat 3, el sensor MSS fue equipado con una banda adicional de infrarrojo térmico. A partir de Landsat 4 y 5 los satélites fueron equipados con dos cámaras: el MSS (al igual que los anteriores satélites) y un nuevo sensor denominado Thematic Mapper (TM). Ambos satélites tienen una resolución temporal de 16 días, a una altitud de 705 km de la superficie terrestre (en lugar de los 900 kilómetros de Landsat 1 a 3). Landsat TM proporciona imágenes multiespectrales con una resolución de 30 metros, con base a seis bandas que van desde 0.45 a 2.35 micrómetros, es decir, de la porción visible hasta el infrarrojo de ondas cortas del espectro electromagnético. Además, el sensor TM proporciona una banda de infrarrojo térmico con una resolución espacial de 120 metros, y entre 10.40 y 12.50 μm. En términos de resolución radiométrica el sensor TM proporciona imágenes en 8 bits.

Landsat 7 lleva un sensor mejorado denominado Enhanced Thematic Mapper Plus (ETM +). Este sensor, que sin embargo, mantiene el legado de la misión Landsat basado en imágenes de resolución moderada, también proporciona imágenes multiespectrales a 30 metros en seis bandas con longitudes de onda aproximadamente similares al sensor TM. Además, también se mantiene la misma resolución temporal (16 días), y resolución radiométrica (8 bits). Por otra parte, dos mejoras principales se producen para el sensor ETM+: la presencia de dos imágenes térmicas (en lugar de una) con una resolución espacial de 60 metros; y una imagen pancromática de resolución espacial de 15 metros, que a menudo se emplea para mejorar la interpretación de la información multiespectral, utilizando varios procedimientos de mejora de imagen (pansharpening). La altitud del satélite se mantiene a 705 km con una escena de 183 km. El satélite Landsat 8 (2013), está equipado con dos nuevos sensores, el Operational Land Imager (OLI) y un sensor infrarrojo térmico (TIRS). La imagen multiespectral de Landsat 8 OLI consta de nueve bandas con una resolución espacial de 30 metros para las bandas de 1 a 7 y 9, y una longitud de onda de entre 0.43 y 2.30 μm; mientras que la banda 8 (pancromática) tiene una resolución de 15 metros y longitud de onda entre 0.50 y 0.680 μm. El sensor TIRS consiste de dos bandas térmicas con una resolución espacial de 100 metros (re-muestreados a 30) y longitud de onda entre 10.30 a 12.50 μm. El satélite recoge imágenes de la Tierra con un ciclo de repetición de 16 días y una escena de cerca 183 km. Además de su temporalidad, otra gran ventaja que presentan las imágenes Landsat es que están disponibles de forma gratuita. Estas imágenes desde la década de los setenta a la fecha han proporcionado un extraordinario valor para el análisis y el estudio de los distintos fenómenos ocurridos en el territorio y sus ciudades.

7

Por lo anterior se decide utilizar las imágenes Landsat como soporte a los instrumentos de planeación (PMDU), dando también la posibilidad a que con el transcurso de los años puedan ser actualizados, y además sean un elemento de monitoreo, control y evaluación. A continuación se explican algunos conceptos que ayudarán a entender mejor el uso y la aplicación de las imágenes satelitales. Uno de los conceptos más importante que se deben entender es que las imágenes multiespectrales se captan mediante un sensor digital que mide la reflectancia en muchas bandas. Cada banda según sus características ofrece ventajas para el reconocimiento de determinados objetos de la superficie en función al comportamiento espectral de los mismos: La firma espectral obedece a la composición y estructura misma de los objetos. Por ejemplo, la vegetación está asociada a la absorción por la clorofila, el contenido de agua, entre otros. Por otro lado, la técnica para su interpretación es la teledetección, la cual se define como la medición de un objeto a distancia, sin necesidad de contacto físico con él. La vista es un modo de teledetección. Cuando el ojo ve un objeto, registra la radiación electromagnética (la luz reflejada) de la superficie del objeto. La radiación contiene información sobre la superficie, y vemos el color y la forma. Un escáner en un satélite también registra radiación electromagnética.

Una superficie blanca refleja cantidades iguales de radiación de todas las longitudes de onda de luz visible, mientras que una hoja verde refleja menos radiación en las partes roja y azul del espectro en la parte verde. Ello ofrece un exceso de luz verde (en comparación con la azul y la roja), por lo que la hoja parece verde. La composición de la reflexión electromagnética, la firma espectral, nos ofrece información sobre la superficie que emite o refleja la radiación. La capacidad de los satélites de distinguir entre varias firmas espectrales es vital para su uso en cartografía, donde es esencial la distinción entre los distintos tipos de superficie y de área. El ojo humano sólo puede percibir radiaciones de una gama limitada del espectro electromagnético. Por eso, los instrumentos para teledetección fuera de las longitudes de onda visibles representan realmente una extensión de nuestro campo visual y proporcionan acceso a información adicional sobre el mundo físico que nos rodea. Otros conceptos que se deben manejar son: La resolución espacial, la cual cuantifica el tamaño del pixel, mínima unidad de medida del territorio, que es capaz de definir la lectura de las bandas del sensor. Y la resolución espectral, que indica el número y anchura de las bandas que puede tener un sensor. En la siguiente tabla se describen la resolución espacial del sensor TTM del Landsat 7 y del OLI y TIRS del Landsat 8.

Landsat-7 ETM+Bands (μm) Landsat-8 OLI and TIRS Band (μm)

Banda Ancho (μm) Resolución

(m) Banda Ancho (μm)

Resolución

(m)

Band 1 Ultra Blue (coastal/aerosol) 0.43 – 0.45 30

Band 1 Blue 0.45 – 0.52 30 Band 2 Blue 0.45 – 0.51 30

Band 2 Green 0.52 – 0.60 30 Band 3 Green 0.53 – 0.59 30

Band 3 Red 0.63 – 0.69 30 Band 4 Red 0.64 – 0.67 30

Band 4 Near Infrared NIR 0.77 – 0.90 30 Band 5 Near Infrared NIR 0.85 – 0.88 30

Band 5 Shortwave Infrared SWIR1 1.55 – 1.75 30 Band 6 Shortwave Infrared SWIR1 1.57 – 1.65 30

Band 6 Thermal TIR 10.40 – 12.50 30/60 Band 10 Thermal Infrared TIRS1 10.6 – 11.19 100

Band 11 Thermal Infrared TIRS2 11.5 – 12.51

Band 7 Shortwave Infrared SWIR2 2.09 – 2.35 30 Band 7 Shortwave Infrared SWIR 2 2.11 – 2.29 30

Band 8 Panchromatic 0.52 – 0.90 15 Band 8 Panchromatic 0.50 – 0.68 15

Band 9 Cirrus 1.36 – 1.38 30

Tabla 1. Bandas y Resolución espacial para imágenes Landsat 7 y 8

Fuente. Elaboración propia

8


Combinaciones de bandas

La combinación de imágenes satélites nos permiten analizar elementos específicos de la superficie terrestre en función de su espectro de emisión. Gracias a las distintas bandas multiespectrales de operación de los satélites podemos interpretar aspectos como la vegetación, los usos del suelo o las masas de agua. Combinaciones específicas RGB (rojo, verde y azul) nos mostrarán y discriminarán los elementos de nuestras imágenes satélite de forma rápida. La creación de estas imágenes parte del paso de bandas a través de tres canales: rojo, verde y azul. El paso de cada banda por un canal u otro permitirá la pigmentación de los elementos que ofrezcan mayor o menor reflexión de longitudes de onda. Así, por ejemplo, la vegetación refleja en la zona del infrarrojo y absorbe en la zona visible del rojo. El juego cromático de estas bandas nos ayudará a elaborar mapas específicos de vegetación. Los pasos de bandas por los tres canales RGB dará, como resultado, la combinación de imágenes satélite para formar una imagen a color natural o a falso color, realzando elementos muy concretos para su posterior estudio y análisis. Podremos realizar estas combinaciones siempre y cuando conozcamos el rango de trabajo en el que operan las bandas del satélite seleccionado y el comportamiento de reflexión de los elementos objeto de estudio. Conociendo estos datos sabremos las bandas a utilizar en función del tipo de estudio planteado. Si se tiene un ráster de una sola banda y los agrega a su pantalla, lo predeterminado es cuando se mostrarán como imágenes en blanco y negro. Esto se debe a que para las imágenes multiespectrales, las bandas se recolectan individualmente. Cada banda individual es su propia imagen en una longitud de onda particular. Si desea mostrarlos en color verdadero, deberá combinar las bandas roja, verde y azul. En el territorio algunas categorías de coberturas de suelo que se pueden identificar mediante las combinaciones de bandas son: Cuerpos de agua. En general, refleja alto en el espectro

visible, sin embargo, el agua más clara tiene menos reflectancia que el agua turbia. En las regiones NIR y SWIR, el agua absorbe cada vez más la luz y la hace más oscura. Esto depende de la profundidad del agua y la longitud de onda. Cantidades crecientes de materiales inorgánicos disueltos en cuerpos de agua tienden a desplazar el pico de reflectancia visible hacia la región roja desde la región verde (agua más clara) del espectro.

Suelo. Las latitudes del norte tienen suelos negros y las regiones tropicales tienen suelos rojos. La reflectancia del suelo disminuye a medida que aumenta la materia orgánica. A medida que aumenta la humedad del suelo, la reflectancia del suelo disminuye en todas las longitudes de onda. La textura del suelo provocará una mayor reflectancia con un tamaño de partícula reducido, es decir, las partículas más grandes (rocas, arena y suelos) básicamente proyectan una mayor sombra.

Vegetación. La reflectancia espectral se basa en la

absorción de clorofila y agua en la hoja, el agua tiene una respuesta más oscura que las hojas. Habrá varios tonos de vegetación basados en el tipo, la estructura de la hoja, el contenido de humedad y la salud de la planta.

Materiales (hechos por el hombre). El concreto y el

asfalto muestran curvas espectrales que generalmente aumentan desde lo visible a través de las regiones NIR y SWIR. Sin embargo, a medida que el hormigón envejece, se vuelve más oscuro y a medida que el asfalto envejece se vuelve más ligero.

Nieve y hielo. La nieve vieja puede desarrollar una

corteza compactada y el contenido de humedad aumenta, lo que lo hace menos reflectante en la región de infrarrojo cercano y medio infrarrojo. Es posible comparar nieve vieja y nueva por su reflectancia Media-IR.

Algunas de la combinaciones más comúnmente utilizadas con las imágenes Landsat 7 y 8 son:

Landsat 8 Landsat 7

Color natural 4 3 2 3 2 1

Falso color (para zonas urbanas) 7 6 4 7 5 3

Infrarrojo (para vegetación) 5 4 3 4 3 2

Agricultura 6 5 2 5 4 1

Usos del suelo/masas de agua 5 6 4 4 5 3

Análisis de vegetación 6 5 4 5 4 3

Análisis de vegetación sana 5 6 2 4 5 1

Índice NDVI (5-4)/(5+4) (4-3)/(4+3)

Índice NDWI (3-5)/(3+5) (2-4)/(2+4)

Índice NDSI (3-6)/(3+6) (2-5)/(2+5)

Tabla 2. Combinaciones más comunes Landsat


9

Figura 2. Color natural, izquierda Landsat 7 y derecha Landsat 8

Figura 3. Vegetación sana, izquierda Landsat 7 y derecha Landsat 8

Figura 1. Falso color, izquierda Landsat 7 y derecha Landsat 8

El compuesto estándar de "falso color". La vegetación aparece en tonos de rojo, las áreas urbanas son azul cian y los suelos varían de marrón oscuro a marrón claro. El hielo, la nieve y las nubes son blancos o cian claros. Los árboles coníferos aparecerán más oscuros que las maderas duras. Esta es una combinación de bandas muy popular y es útil para estudios de vegetación, monitoreo de drenaje y patrones de suelo y varias etapas de crecimiento de cultivos. En general, los tonos rojos profundos indican una amplia vegetación de hoja y / o más saludable, mientras que los rojos más claros significan pastizales o áreas escasamente cubiertas de vegetación. Las áreas urbanas densamente pobladas se muestran en azul claro. Combinaciones: 432 (L7) | 543 (L8).

La combinación de las bandas de "color natural". Debido a que las bandas visibles se usan en esta combinación, las características del suelo aparecen en colores similares a su apariencia para el sistema visual humano, la vegetación sana es verde, los campos despejados recientemente son muy livianos, la vegetación insalubre es marrón y amarilla, los caminos son grises y las costas son blancos Esta combinación de bandas proporciona la mayor penetración de agua y una información superior sobre sedimentos y batimetría. También se usa para estudios urbanos. Las áreas despejadas y escasamente con vegetación no se detectan tan fácilmente aquí como en la combinación 451 o 432. Las nubes y la nieve aparecen blancas y son difíciles de distinguir. También hay que tener en cuenta que los tipos de vegetación no se distinguen tan fácilmente como la combinación 451. Combinaciones: 321 (L7) | 432 (L8).

La vegetación saludable aparece en tonos de rojos, marrones, naranjas y amarillos. Los suelos pueden estar en verdes y marrones, las características urbanas son blancas, cian y grises, las áreas de color azul brillante representan áreas taladas recientemente y las áreas rojizas muestran un nuevo crecimiento de vegetación, probablemente praderas escasas. El agua clara y profunda será muy oscura en esta combinación; si el agua es poco profunda o contiene sedimentos, aparecería como tonos de azul más claro. Para estudios de vegetación, la adición de la banda SWIR1 aumenta la sensibilidad para detectar varias etapas de crecimiento o estrés de la planta; sin embargo, se debe tener cuidado en la interpretación si la adquisición sigue de cerca a la precipitación. Combinaciones 451(L7) | 562 (L8).

Fuente. Elaboración propia.

Fuente. Elaboración propia.


10


Figura 5. Vegetación, izquierda Landsat 7 y derecha Landsat 8

Figura 6. Usos de suelo/ masas de agua, izquierda Landsat 7 y derecha Landsat 8

Figura 4. Humedales, izquierda Landsat 7 y derecha Landsat 8

Esta combinación no implica bandas visibles. Proporciona la mejor penetración atmosférica. Las líneas costeras y las costas están bien definidas. Se puede usar para encontrar las características de textura y humedad de los suelos. La vegetación aparece azul. Si el usuario prefiere la vegetación verde, se debe sustituir una combinación de 745. Esta combinación de bandas puede ser útil para estudios geológicos. Combinaciones: 754 (L7) | 865 (L8)

Al igual que la combinación 451, esta combinación proporciona al usuario una gran cantidad de información y contraste de color. La vegetación saludable es verde brillante y los suelos son malva. Esta combinación es útil para estudios de vegetación y se usa ampliamente en las áreas de manejo de madera e infestación de plagas. Combinaciones: 543 (L7) | 654 (L8)

Esta combinación de NIR, SWIR1 y Rojo ofrece una definición adicional de los límites tierra-agua y resalta detalles sutiles que no son evidentes solo en las bandas visibles. Los lagos y arroyos interiores se pueden ubicar con mayor precisión cuando se usan más bandas de infrarrojos. Con esta combinación de bandas, el tipo de vegetación y la condición se muestran como variaciones de matices (marrones, verdes y naranjas), así como en el tono. La combinación 453 demuestra las diferencias de humedad y es útil para el análisis de las condiciones del suelo y la vegetación. En general, cuanto más húmedo es el suelo, más oscuro aparece, debido a las capacidades de absorción infrarroja del agua. Combinaciones: 453 (L7) | 564 (L8)




11

Figura 8. Natural, izquierda Landsat 7 y derecha Landsat 8

Figura 9. Vegetación sana, izquierda Landsat 7 y derecha Landsat 8

Esta combinación proporciona una interpretación "natural", mientras que también penetra partículas atmosféricas y humo. La vegetación sana tendrá un color verde brillante y se saturará en las estaciones de gran crecimiento, los pastizales se verán verdes, las áreas rosadas representarán el suelo estéril, las naranjas y los cafés marrones representan áreas escasamente cubiertas de vegetación. La vegetación seca será anaranjada y el agua azul. Las arenas, los suelos y los minerales se destacan en una multitud de colores. Esta combinación de banda proporciona imágenes llamativas para regiones desérticas. Es útil para estudios geológicos, agrícolas y de humedales. Esta combinación se usa en las aplicaciones de gestión de incendios para el análisis posterior al incendio de áreas boscosas quemadas y no quemadas. Las áreas urbanas aparecen en diferentes tonos de magenta. Combinaciones: 742 (L7) | 853 (L8)

Esta combinación de banda también proporciona una interpretación "natural" al tiempo que también penetra partículas atmosféricas, humo y neblina. La vegetación aparece en tonos de verde oscuro y claro durante la temporada de crecimiento, las características urbanas son blancas, grises, cian o moradas, las arenas, los suelos y los minerales aparecen en una variedad de colores. La absorción casi completa de las bandas SWIR en agua, hielo y nieve proporciona líneas de costa bien definidas y fuentes de agua destacadas dentro de la imagen. La nieve y el hielo aparecen como azul oscuro, el agua es negra o azul oscura. Las superficies calientes, como los incendios forestales y las calderas de los volcanes, saturan las bandas de SWIR y aparecen en tonos de rojo o amarillo. Una aplicación particular para esta combinación es monitorear los incendios forestales. Combinaciones: 753 (L7) | 864 (L8)

Esto se verá similar a la combinación 742 en que la vegetación saludable será de color verde brillante, excepto que la combinación 541 es mejor para los estudios agrícolas. Combinaciones: 541 (L7) | 652 (L8)

Figura 7. Agricultura, izquierda Landsat 7 y derecha Landsat 8




12


1. Metodología

La metodología aplicada en la preparación de la imagen limpia y homogénea para todo el territorio mexicano, se desarrolla en cinco pasos: 1. Selección y descarga de las imágenes a procesar, se descargan imágenes de diferentes periodos en un rango aproximado de 18 meses de la fecha requerida. 2. Corrección atmosférica utilizando el algoritmo Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS). 3. Eliminación de nubes, sombra, agua y nieve, a través del algoritmo CFMASK y 5. Elaboración del mosaico completo de territorio mexicano y mosaicos recortados en una cuadricula de 100 x 100 km. A continuación se describe el esquema de la metodología aplicada:

Figura 10. Esquema del proceso metodológico / Ejemplo de imagen con nube (izq. superior) / Ejemplo de imagen limpia (izq. inferior.)


13

1.1. Ámbito de trabajo

El ámbito del trabajo corresponde a toda la superficie continental del territorio mexicano, la cual tiene un área de 1 960 189 km2 (INEGI 2016). La fuente utilizada para la creación del mosaico son las Imágenes provenientes de los satélites: Landsat 7 ETM+ C1 Level-1y Landsat 8 OLI/TIRS C1 level-1. Las imágenes Landsat son gratuitas y existen diversos sitios web que permiten su descarga, a continuación mencionamos las principales: USGS Glovis Landsat Viewer (glovis.usgs.gov) y USGS Earth Explorer (earthexplorer.usgs.gov). Esta herramienta ofrece una forma rápida e intuitiva de descargar imágenes satelitales, además ofrece una amplia gama de opciones: imágenes aéreas, AVHRR, imágenes comerciales, elevación digital, Landsat, LiDAR, MODIS, radar y más.

El catálogo de escenas Landsat usa una cuadrícula mundial de referencia conocida como WRS (Worldwide Reference System), los satélites 7 y 8 emplean la WRS-2. La cuadrícula viene conforme al recorrido que hace el satélite sobre el globo así que tiene una configuración ascendente o nocturna y la descendente, que es la que corresponde a las escenas capturadas con la luz diurna. En este sistema cada escena es denotada por un número especifico de columna y fila o Path-Row dentro de la cuadrícula. El total de las escenas requeridas para la cobertura del territorio mexicano corresponde a 138 ventanas, éstas se codifican entre las columnas (Path) 18 a la 40 y de las filas (Row) 37 a la 50.

Figura 11. El Sistema de referencia mundial (WRS) es una notación global utilizada en la catalogación de datos de Landsat. Landsat 8 y Landsat 7 siguen el WRS-2, al igual que Landsat 5 y Landsat 4. Landsat 1, Landsat 2 y Landsat 3 siguieron el WRS-1


14


1.2. Descarga de imágenes

La forma de descargar las imágenes desde el servidor de earthexplorer es relativamente sencilla. Lo primero que se debe hacer es registrarse (es gratuito), para ello hay crear una cuenta con USGS en la pestaña Register. A continuación se describen los pasos a seguir: Establecer sus criterios de búsqueda Search Criteria

Una vez abierta la sesión, se establece el área de interés en la pestaña Search Criteria: la búsqueda se puede hacer marcando un punto, con el nombre del lugar o trazando un polígono sobre el área deseada. Otra forma es con un Path-Row indicando la cuadricula WRS2. En esta pestaña también se define los rangos de la fechas deseadas Date Ranche. Los rangos utilizados en este trabajo son: Landsat 7 . 06/01/1999 a 12/30/2000 Landsat 8 . 01/01/2017 a 06/30/2018

Seleccionar datos para descargar Data Sets En la siguiente pestaña Data Sets se seleccionan los datos que se quieren descargar. La ruta para los productos usados es la siguiente: Landsat / Landsat Collection 1 level-1 Landsat 7 ETM+ C1 Level-1 Landsat 8 OLI/TIRS C1 level-1

Filtrar datos Additional Criteria En la tercera pestaña Additional Criteria se pueden filtrar los datos de búsqueda, por ejemplo, agregar el

identificador de la imagen deseada, el sensor o especificar el nivel de procesamiento. Otro aspecto que puede filtrar son las escenas con demasiada cobertura de nubes.

Verificar los resultados y descargar Results Para finalizar la búsqueda en la pestaña Results se selecciona el conjunto de datos específico que se desea descargar. Antes de descargar es importante verificar la huella exactamente donde se encuentra esa escena. Por último, los datos se descargan haciendo clic en el botón Download options.

Las escenas que se descargan son de 185 x 185 km, la imagen completa con su conjunto de bandas en formato GeoTIFF puede tener un tamaño aproximado de 1GB, y su proyección es World Geodetic System (WGS) 84 Datum. Cubic Convolution (CC) resampling North Up (MAP) orientation, Universal Transverse Mercator (UTM) map projection (Polar Stereographic for Antarctica), 16-bit pixel values. Para poder generar una imagen limpia sin nubes ni sombras fue necesario descargar hasta 12 imágenes para cada ventana. En la figura 13 se muestra un ejemplo de imágenes (Path:20, Row:46), en las que se puede observar la complejidad que presentan las imágenes según el periodo y la zona en que sean capturadas, y el problema que representa si el objetivo no solo es observar sino también obtener información de ellas.

Figura 12. Pantalla del servidor USGS Earth Explorer

15

Figura 13. Ejemplos de imágenes de la misma escena diferentes meses (Mérida, Yucatán 2018)


16


1.3. LEDAPS Las imágenes de satélite se encuentran generalmente afectadas por el medio atmosférico. En la información que capturan los sensores se internalizan los fenómenos de absorción y dispersión atmosférica, y por lo tanto, la capacidad de reducir dichos efectos aumenta significativamente en el análisis de la cobertura del suelo. En consecuencia, el pre procesamiento de imágenes es un paso obligatorio para el análisis y el monitoreo cuando se quiere medir las características físicas y comparar diferentes periodos de tiempo. Dos los principales pasos en el pre procesamiento son la corrección atmosférica y la calibración de la imagen. La corrección atmosférica es la eliminación de la perturbación atmosférica introducida en la señal captada por los sensores es uno de los factores más influyentes a la hora de estimar con precisión productos biofísicos de la superficie. Es decir, el proceso de conversión de la señal TOA (Top of Atmosphere), captada por el sensor en la parte superior de la atmosfera, a señal TOC (Top of Canopy), en la superficie terrestre.

La calibración de imagen se aplica para convertir datos de imagen desde la escala de intensidad monocromática (0-65535 para OLI) hasta la luminosidad del sensor, o Top-of-Atmosphere (TOA) reflectancia. Los sensores satelitales recolectan y almacenan datos espectrales en Número Digital (DN) de acuerdo con la resolución radiométrica. El método de corrección atmosférica LEDAPS fue desarrollado para el procesamiento exclusivo de imágenes Landsat 7 y obtiene todos los parámetros para la corrección automáticamente desde los metadatos de la imagen y bases de datos de parámetros atmosféricos incorporados. El software Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS) fue desarrollado originalmente por la Administración Nacional de Aeronáutica y del Espacio-Goddard Space Flight Center y la Universidad de Maryland para producir la reflectancia superior de la atmósfera de Landsat Thematic Mapper y Enhanced Thematic Mapper Plus Level 1 números digitales y aplicar correcciones atmosféricas para generar un producto de reflectancia de superficie. El Servicio Geológico de los EE. UU. (USGS) ha adoptado el algoritmo LEDAPS para producir el Registro de datos climáticos de reflectancia de superficie Landsat.

Masek, J.G., E.F. Vermote, N. Saleous, R. Wolfe, F.G. Hall, F. Huemmrich, F. Gao, J. Kutler, and T.K. Lim. 2013. LEDAPS Calibration, Reflectance, Atmospheric Correction Preprocessing Code, Version 2. Model product. ORNL DAAC, Oak Ridge, Tennessee, USA.https://doi.org/10.3334/ORNLDAAC/1146

Figura 14. Comparación de Bandas Multiespectrales L7 y L8.


17

1.4. CFMASK

El enfoque multitemporal se emplea para recuperar automáticamente información efectiva de imágenes tomadas en diferentes períodos de tiempo. En particular, el proceso de reconstrucción de datos que tiene como objetivo reemplazar los píxeles contaminados con la sombra de nubes y nubes de una imagen, utilizando datos de otras escenas de imágenes en la misma ubicación espacial. La disponibilidad de varias imágenes para la misma escena permite seleccionar la "mejor" información, de modo que cuanto más imágenes hay, más aumenta la probabilidad de recuperar una imagen efectiva no contaminada. Con el fin de recuperar automáticamente los píxeles no contaminados de una serie de imágenes multitemporales, evitando así las operaciones de clonación de imágenes ad-hoc, dos supuestos principales son obligatorios. En primer lugar, se puede inferir que, a lo largo del espectro infrarrojo visible y de onda casi corta, los valores de reflectancia de rango alto razonablemente significan nubes; aunque otras clases de cobertura terrestre, como las áreas urbanas y la nieve, comúnmente proporcionan una alta reflectancia. Por otro lado, dado que los valores de rango bajo significan una gran absorción de luz, se puede suponer que los valores bajos se deben a las sombras; sin embargo, las sombras son causadas por las nubes y por el factor topográfico, por ejemplo. Además, el agua también proporciona una alta absorción de luz a lo largo de la porción del espectro considerado. Por lo tanto, la segunda suposición es que, debido a que las nubes (y luego las sombras de las nubes) se mueven rápidamente, una variación estadística significativa, a lo largo de la serie, indica valores atípicos. CFMask es un algoritmo de pasos múltiples que usa árboles de decisión para etiquetar prospectivamente píxeles en la escena; luego valida o descarta esas etiquetas según las estadísticas de toda la escena. También crea una máscara de sombra de nubes al estimar iterativamente las alturas de las nubes y las proyecta en el suelo. Se debe ser consciente de que, al igual que otros algoritmos de nubes, CFMask puede tener dificultades con objetos brillantes como cimas, playas, nieve / hielo, dunas de arena y lagos salados. Las nubes ópticamente delgadas siempre serán difíciles de identificar y tienen una mayor probabilidad de ser omitidas por el algoritmo. Además, el rendimiento del algoritmo solo se ha validado para la detección de la nube y, en menor medida, para las sombras que estas producen.

Foga, S., Scaramuzza, P.L., Guo, S., Zhu, Z., Dilley, R.D., Beckmann, T., Schmidt, G.L., Dwyer, J.L., Hughes, M.J., Laue, B. (2017). Cloud detection algorithm comparison and validation for operational Landsat data products. Remote Sensing of Environment, 194, 379-390. http://doi.org/10.1016/j.rse.2017.03.026.

Figura 15. Comparación de Bandas Multiespectrales L7 y L8.


18


1.5. Mosaico

Una vez realizados los procesos de corrección y limpieza de las imágenes se procede a generar un mosaico único, para todo el ámbito de trabajo. Las variaciones estacionales también representan una preocupación crítica para los datos multitemporales. En su mayoría, la vegetación muestra un importante variabilidad a lo largo del tiempo, de hecho, la vegetación caducifolia, por ejemplo, o las tierras de cultivo proporcionan una respuesta espectral realmente diferente dependiendo de las estaciones. Tal asunto también afecta la precisión de clasificación de la cobertura terrestre. Por lo tanto, antes de combinar imágenes tomado en diferentes períodos de tiempo, además de la corrección atmosférica, el efecto estacional se debe ajustar para reducir el brillo diferencias y obtener imágenes compuestas más consistentes.

El método empleado para corregir el efecto de brillo de múltiples fechas se basa en un enfoque estadístico, que espera ajuste la reflectancia de una imagen, dependiendo de una imagen de referencia (principal). Significa que teniendo en cuenta dos imágenes, una imagen principal y una imagen secundaria, y suponiendo que no hay diferencia fonológica significativa, la reflectancia de la imagen secundaria se ajusta a la primaria en función de la media y la desviación estándar de ambas imágenes.

Imagen 16. Imágenes separadas por ventana (izquierda), Mosaico (derecha)


19

Imagen 18. Cuadricula 100 x 100km

1.6. Cuadrícula 100 x 100 km

Con el objetivo de proporcionar un producto para un público menos especializado, de más fácil manejo y que ayude en la comparabilidad y visualización de zonas puntuales, se recortaron las imágenes multiespectrales y RGBs de los dos año 2000 y 2018 en cuadros de 100 x 100km. En la imagen 18 se muestra la cuadricula utilizada, el resultado es un total de 289 imágenes para cada uno de los mosaicos realizados. Las imágenes han sido codificadas de acuerdo con sus coordenadas en proyección ITRF 2008 México Lambert Conformal Conic (LCC), en sus valores X Y. Esto ayudará a una más fácil manipulación de la información, pudiendo seleccionar las ventanas del ámbito requerido y realizar únicamente su descarga. Y posteriormente si se requiere realizar el mosaico del ámbito deseado.


20


2. Resultados

2.1. Año 2000. Landsat7 30m/pixel

2.1.1. Imagen Multiespectral

Metadato

Nombre: 2000multiband30mL7.tif Fechas: 06/01/1999 a 12/30/2000 Formato: Geotif (6 bandas, 8 bits) B1 (blue), B2 (green), B3 (red), B4 (nearinfrared), B5 (shortwave infrared 1), B7 (shortwave infrared 2) Fuente: Landsat 7 ETM+ C1 Level-1 Resolución: 30 m/pixel Coordenada: EPSG 6365 México ITRF 2008 Tamaño: 99.6 Gb Fecha proceso: 30 Agosto 2018

Imagen 18. Mosaico Multiespectrales Landsa7 año 2000.


21

2.1.2. Imagen RGB Metadato Nombre: 2000rgb30mL7.tif Fechas: 06/01/1999 a 12/30/2000 Formato: Geotif (3 bandas, 8 bits) B1 (blue), B2 (green), B3 (red) Fuente: Landsat 7 ETM+ C1 Level-1 Resolución: 30 m/pixel Coordenada: EPSG 6365 México ITRF 2008 Tamaño: 6.7 Gb Fecha proceso: 30 Agosto 2018

Imagen 19. Mosaico RGB Landsat7 año 2000


22


2.2. Año 2018. Landsat8 30m/pixel

2.2.1. Imagen Multiespectral

Metadato Nombre: 2018multiband30mL8.tif Fechas: 01/01/2017 a 06/30/2018 Formato: Geotif (6 bandas, 8 bits) B2 (blue), B3 (green), B4 (red), B5 (nearinfrared), B6 (shortwave infrared 1), B7 (shortwave infrared 2) Fuente: Landsat 8 OLI/TIRS C1 level-1 Resolución: 30 m/pixel Coordenada: EPSG 6365 México ITRF 2008 Tamaño: 86.2 Gb Fecha proceso: 30 Agosto 2018

Imagen 20. Mosaico Multiespectrales Landsa8 año 2018.


23

2.2.2. Imagen RGB

Metadato Nombre: 2018gb30mL8.tif Fechas: 01/01/2017 a 06/30/2018 Formato: Geotif (3 bandas, 8 bits) B2 (blue), B3 (green), B4 (red) Fuente: Landsat 8 OLI/TIRS C1 level-1 Resolución: 30 m/pixel Coordenada: EPSG 6365 México ITRF 2008 Tamaño: 6.98 Gb Fecha proceso: 30 Agosto 2018

Imagen 21. Mosaico RGB Landsat8 año 2018


24


2.3 Ciudades (aglomeraciones urbanas)

Los datos de población por localidad, se generaron agregando ésta del censo de INEGI 2010 a los puntos de las localidades rurales y urbanas del marco geoestadístico del mismo año, al ser este el último año disponible oficialmente. Dicha informa-ción se procesa como otro insumo de apoyo en el desarrollo de los PMDU, ayudando principalmente en la definición de las aglomeraciones urbanas, y en el análisis de los centros rurales y urbanos. Según estos datos existen un total de 375,063 localidades con una población de 112,335,441, las cuales se agruparon en 3 categorías: de 5.000 hasta 50,000 habitantes, de 50,000 hasta 100,000 habitantes y con menos de 100,000 habitantes.

Localidades Población

1,595 20,314,622 18.1% > 5.000 hasta 50,000 habitantes

86 5,946,088 5.3% 50,000 hasta 100,000 habitantes

131 53,665,104 47.8% > 100,000 habitantes

1,812 79,925,814 71.1% > 5.000 habitantes

373,251 32,409,627 28.9% < 5.000 habitantes

375,063 112,335,441 100.0% total

Imagen 22. Categorías: (rojo) > 5.000 hasta 50,000 habitantes , (naranja) de 50,000 hasta 100,000 habitantes, (amarillo) > a 100,000 habitantes


Tabla 3. Población de las localidades en cada categoría


25

Localidades > a 100,000 habitantes

Localidades: 131 Población : 53,665,104 Fuente: INEGI Año: 2010 Formato: shape

Localidades de 50,000 hasta

100,000 habitantes

Localidades: 86 Población : 5,946,088 Fuente: INEGI Año: 2010 Formato: shape

Localidades > 5.000 hasta 50,000

habitantes

Localidades: 1,595 Población : 20.314,622 Fuente: INEGI Año: 2010 Formato: shape

Imagen 23. Localidades con población > 5.000 hasta 50,000 habitantes

Imagen 24. Localidades con población > a 100,000 habitantes

Imagen 24. Localidades con población de 50,000 hasta 100,000 habitantes


26


27

Veracruz, Veracruz 2000 - 2018

28


29

Mérida, Yucatán 2000 - 2018

30


31

Guadalajara, Jalisco 2000 - 2018

32


Glosario

Absorción: reducción de la fuerza de una onda electromagnética que se propaga a través de un medio, determinada por las condiciones dieléctricas del material. Altitud: Es la distancia vertical entre un punto situado sobre la superficie terrestre o la atmósfera y el nivel medio del mar. Atmósfera: La porción gaseosa o de aire del medio ambiente físico que rodea al planeta. En el caso de la tierra, se mantiene más o menos cerca de la superficie gracias a la atracción de la fuerza de gravedad de la tierra. La atmósfera se divide en: troposfera, estratosfera, mesosfera, ionosfera y exosfera. AVHRR: Sigla de Advanced Very High Resolution Radiometer, sensor montado sobre la plataforma NOAA. Batimetría: Estudio en el que se miden profundidades de cuerpos de agua, con el fin de determinar la constitución de un lecho marino. Banda: Intervalo de longitud de onda dentro del espectro electromagnético. Por extensión, se denomina banda a cada uno de los canales de adquisición de datos de un sistema sensor. Banda espectral: es una selección de longitudes de onda con comportamientos electromagnéticos similares. Bit: Unidad básica de información digital, puede tomar valor 0 o 1. Coordenadas: cualquier sistema donde los puntos son definidos como una dirección o distancia específica de un punto de referencia medido con respecto a ejes definidos. Espectro electromagnético: es la organización de bandas de longitudes de onda o frecuencia desde las más cortas a las más largas. En Teledetección sólo se utilizan algunas de esta bandas, para obtener información de la superficie de la Tierra o de la atmósfera. Entre las bandas más utilizadas están: La luz visible, el Infrarrojo cercano, el Infrarrojo medio, el Infrarrojo lejano o térmico y las Microondas. Escena: Área terrestre abarcada por una imagen adquirida por un sistema de teledetección.

Falso color: Composición de tres bandas para formar una imagen en color en la que la relación entre intervalo espetral y tono primario asociado a ella no sea el correspondiete a los intervalos espectrales naturales o al orden de é tos. Toda asignación de colores que no sean el azul para la banda situada en torno o dentro del intervalo 400-500 nm, el verde para el intervalo 500-600 nm y el rojo para el intervalo 600-700 nm se considera falso color. Firma espectral: es la forma peculiar de reflejar o emitir energía de un determinado objeto o cubierta. Depende de las características físicas o químicas del objeto que interacciona con la energía electromagnética, y varía según las longitudes de onda. Imagen de satélite: Es una representación pictórica de la medición de energía electromagnética registrada por un sensor; y no por medios fotográficos. Una fotografía se toma generalmente dentro de un cierto rango del espectro (luz visible). Los satélites toman imágenes más allá de este rango limitado. Las imágenes de satélite son ficheros ráster, formadas por una matriz regular o rejilla de celdas, a cada una de las cuales, denominada píxel (Picture Element, Elemento de Imagen), se le asigna un valor digital, que corresponde a la reflectividad recogida por el sensor. Imagen multiespectral: o multibanda es un conjunto de imágenes, con las mismas propiedades geométricas, cada una de las cuales recoge el valor de reflectancia en un determinado intervalo de longitud de onda del espectro electromagnético. Latitud: Líneas imaginarias paralelas que circundan el globo tanto al norte como al sur del ecuador. Los polos están ubicados a 90 grados de latitud Norte y Sur y el ecuador a cero grados (0) de latitud. Longitud: Lugar al este u oeste al que se le asigna cero (0) grados de longitud en referencia al meridiano de origen (Greenwich). La distancia entre las líneas imaginarias de longitud es mayor en el ecuador y menor en las latitudes altas, intersectándose todas en los polos. Longitud de Onda: Distancia entre dos máximos sucesivos de una onda electromagnética. Se suele expresar en nanmetros (nm) o micrómetros(μm). MODIS (Moderate Resolution Imaging Spectroradiometer): Instrumento de Teledetección a bordo de los satélites Terra y Aqua. Dispone de 36 bandas espectrales y recoge imágenes de toda la Tierra cada 1-2 días.

33

MSS: Sigla de MultiSpectral Scanner, sensor a bordo de los primeros satélites de la serie Landsat. NASA: National Aeronautics and Space Administration. Agencia Espacial de los Estados Unidos. Número digital: Valor numérico, por ejemplo entre 0 y 255, que se asigna a cada posición espacial de cuadrícula en el archivo que representa los niveles digitales de brillo de una imagen. Órbita: Trayectoria que recorre un cuerpo alrededor de otro bajo la influencia de alguna fuerza. Según las leyes del movimiento planetario de Kepler, las órbitas son generalmente elípticas, aunque los planetas interiores (cercanos al Sol alrededor del cual orbitan) tienen órbitas casi circulares. Con posterioridad, Newton demostró que algunas órbitas como las de ciertos cometas son hiperbólicas y otras parabólicas. Dentro de un sistema solar, los planetas, asteroides, cometas y otros objetos de menor tamaño recorren órbitas elípticas alrededor del Sol, mientras que las lunas y otros satélites hacen lo propio alrededor de los planetas. Sea cual sea la órbita seguida por el objeto, el cuerpo alrededor del que describe su trayectoria se encuentra situado en el foco de la cónica descrita, de modo que siempre pueden definirse dos puntos singulares, como son el de mayor alejamiento o afelio, y el de mayor aproximación o perihelio. Pancromática: imagen de una sola banda que cubre gran parte del espectro visual. Las imágenes convencionales en blanco y negro, son pancromáticas. Píxel: Un píxel (picture element) es la menor unidad en la que se descompone una imagen digital. El píxel es el elemento pictórico más pequeño de las imágenes que es susceptible de ser procesado. Resolución: La resolución de un sensor es su habilidad para registrar información en detalle de las distintas cubiertas. La resolución depende de la capacidad de los sensores para distinguir variaciones de la energía electromagnética, del detalle espacial que captura y del número y ancho de las bandas que alberga. Respuesta Espectral: Cada tipo de material radia una combinación de frecuencias característica (respuesta espectral) como consecuencia de su composición, estructura y actividad.

RGB: Sigla de rojo-verde-azul. Se trata de un sistema de especificación del color basado en la propiedad aditiva de los tonos primarios que es el comúnmente utilizado en los sistemas informáticos y en la composición en verdadero o en falso color de las imágenes espaciales. Satélite: Cualquier objeto que recorre una órbita alrededor de un cuerpo celeste como la luna. El término se usa normalmente para designar las plataformas artificiales que orbitan la Tierra. SWIR: Siglas de Short Wave Infrared. Bandas infrarrojas de longitud de onda corta. Teledetección: Técnica mediante la cual se obtiene información sobre la superficie de la Tierra, a través del análisis de los datos adquiridos por un sensor o dispositivo situado a cierta distancia, apoyándose en medidas de energía electromagnética reflejadas o emitidas. TM: Sigla de Thematic Mapper, sensor de alta resolución espectral a bordo del satélite Landsat. En la actualidad la serie TM ha sido continuada por la ETM+ (Enhanced Thematic). Sensor: Instrumento que detecta radiación electromagnética y es capaz de convertirla en valores digitales para formar normalmente una imagen. Shape: Formato vectorial de almacenamiento y representación de datos espaciales donde se guarda la localización de los elementos representados y los atributos asociados a ellos. Es un formato muy común desarrollado por la compañía ESRI.

34


mosaico del territorio mexicano del año 2000 y 2018 a ... · landsat 8 oli consta de nueve bandas...

Documents